UNIVERSIDAD DOMINICANA

ORGANIZACIÓN Y METODO

CARRERA
INGENIERIA EN SISTEMAS

MATERIA
CENTRO DE DATOS

DOCENTE
MARISOL ALVARES SALCEDO
TRABAJO
TRABAJO PRACTICO

ESTUDIANTE
RAYLIN CALDERON

MATRICULA

19-SISM-1-092

SECCIÓN
642

29 DE MARZO DEL 2023

Big Data se refiere a una cantidad masiva de datos que son demasiado grandes y
complejos para ser procesados por medios convencionales. Estos datos provienen de
diversas fuentes digitales, como dispositivos móviles, redes sociales, sensores y
sistemas en línea. El análisis de Big Data implica el uso de técnicas avanzadas para
analizar y visualizar los datos con el fin de identificar patrones, tendencias y relaciones
significativas en ellos.

Historia: de Big Data se remonta a la década de 1990, cuando las empresas comenzaron
a almacenar grandes cantidades de datos en sus sistemas informáticos. A medida que el
uso de Internet se expandió en la década de 2000, se generó aún más datos a través de la
interacción en línea y las transacciones comerciales en línea. En este punto, el término
"Big Data" aún no se había acuñado.

Fue en la década de 2010 cuando el término "Big Data" se popularizó gracias al

aumento en el volumen y la complejidad de los datos que se estaban generando y
almacenando. Las empresas se dieron cuenta de que estos datos podían ser una fuente
valiosa de información para tomar decisiones comerciales importantes y para mejorar la
eficiencia operativa. Al mismo tiempo, surgieron nuevas tecnologías y herramientas de
análisis de datos que permitieron a las empresas procesar y analizar grandes cantidades
de datos a una velocidad nunca antes vista.

Hoy en día, Big Data sigue evolucionando y transformando la forma en que las
empresas y organizaciones manejan sus datos. Se ha convertido en una parte integral de
la toma de decisiones en los negocios, la investigación científica, la medicina, el
gobierno y muchos otros campos. A medida que las tecnologías y herramientas de
análisis de datos siguen avanzando, es probable que el potencial de Big Data siga
creciendo en el futuro.

Tipos:
Big Data estructurado: se refiere a datos que se almacenan en tablas relacionales y
otros formatos bien definidos, como hojas de cálculo y archivos de texto. Estos datos
son fáciles de organizar y analizar utilizando herramientas de software y técnicas de
análisis de datos.

Big Data no estructurado: se refiere a datos que no tienen un formato bien definido,
como imágenes, videos, correos electrónicos, publicaciones en redes sociales y datos de
sensores. Estos datos son más difíciles de organizar y analizar debido a su naturaleza no
estructurada y requieren técnicas avanzadas de procesamiento y análisis.

Big Data semi-estructurado: se refiere a datos que contienen elementos tanto

estructurados como no estructurados, como documentos HTML, XML y JSON. Estos
datos son más fáciles de procesar y analizar que los datos no estructurados, pero aún
requieren herramientas y técnicas especializadas para su análisis.

Cada tipo de Big Data presenta sus propias oportunidades y desafíos en cuanto a su
almacenamiento, procesamiento y análisis, y las empresas y organizaciones deben
considerar cuidadosamente sus necesidades antes de implementar soluciones de Big
Data.
Su importancia en los tiempos actuales
En la actualidad, el Big Data ha ganado mayor importancia debido a la cantidad y
complejidad de datos generados a nivel global. Las empresas y organizaciones emplean
el Big Data para obtener información valiosa sobre los patrones de comportamiento de
los consumidores, los riesgos comerciales, la eficiencia operativa y otros factores que
puedan influir en su éxito.

El análisis de Big Data también ha mejorado la toma de decisiones en las empresas y les
ha permitido obtener una ventaja competitiva en el mercado. La habilidad de procesar
grandes cantidades de datos en tiempo real permite a las empresas tomar decisiones más
rápidas e informadas que sus competidores.

Además, el Big Data ha demostrado ser útil en diversos campos, como la investigación
científica, la medicina, la seguridad nacional y la política pública. Los datos pueden ser
utilizados para mejorar la eficacia de los tratamientos médicos, prevenir la delincuencia
y tomar decisiones más informadas en la política pública.

En conclusión, el Big Data se ha convertido en una herramienta valiosa para muchas

empresas y organizaciones en todo el mundo y ha demostrado ser importante en la toma
de decisiones, la eficiencia operativa y la mejora de los resultados comerciales.

Caracteristicas

Las "5V de Big Data" se refieren a las características principales que describen los datos
a gran escala y cómo se manejan. Estas características son las siguientes:

Volumen: hace referencia a la cantidad masiva de datos que se generan y procesan en

Big Data, lo que puede alcanzar desde gigabytes hasta zettabytes.

Velocidad: se refiere a la rapidez con la que se generan y procesan los datos de Big
Data, lo que puede requerir el análisis en tiempo real para tomar decisiones adecuadas.
Variedad: se trata de la diversidad de formatos y fuentes de datos en Big Data, que
incluyen datos estructurados, semiestructurados y no estructurados.

Veracidad: se refiere a la calidad y precisión de los datos en Big Data, que deben ser
verificados y validados para garantizar la fiabilidad de los análisis y decisiones.

Valor: se refiere al beneficio y valor que se puede extraer de los datos en Big Data, lo
que puede ayudar a las empresas y organizaciones a tomar decisiones más informadas y
mejorar su eficiencia operativa.

El análisis de grandes cantidades de datos, también conocido como "Big Data

Analytics", es el proceso de examinar, procesar y analizar conjuntos de datos a gran
escala con el fin de descubrir patrones, tendencias, correlaciones y otros conocimientos
valiosos.

El Analisis de grandes cantidades de Datos

El análisis de Big Data utiliza herramientas y tecnologías avanzadas para procesar
grandes cantidades de datos de diferentes fuentes, lo que permite a las empresas y
organizaciones tomar decisiones informadas y mejorar su eficiencia operativa. Algunas
de las herramientas comunes utilizadas en el análisis de Big Data son los algoritmos de
aprendizaje automático, la minería de datos y la inteligencia artificial.

El análisis de Big Data se utiliza en una variedad de campos, como el marketing, la

investigación científica, la medicina, la seguridad nacional y la política pública.
Algunos ejemplos incluyen el análisis de datos de las redes sociales para comprender
mejor el comportamiento del consumidor, el análisis de datos genómicos para
desarrollar tratamientos médicos personalizados y el análisis de datos de vigilancia para
prevenir la delincuencia.

En resumen, el análisis de grandes cantidades de datos es un proceso esencial para

aprovechar el valor de los datos a gran escala y obtener información valiosa para la
toma de decisiones informadas y la mejora de la eficiencia operativa.

Diferencia entre Data Warehose,Big data, Mineria de datos y Data mart.

Data Warehouse, Big Data, Minería de datos y Data Mart son términos relacionados con
el almacenamiento y análisis de datos, pero cada uno tiene sus propias características y
objetivos.

Data Warehouse: Es una base de datos centralizada que se utiliza para almacenar datos
históricos de diferentes fuentes y en diferentes formatos. El propósito principal de un
Data Warehouse es proporcionar información útil y relevante a los usuarios finales,
como ejecutivos, gerentes y analistas, para la toma de decisiones empresariales.

Big Data: Se refiere a conjuntos de datos extremadamente grandes y complejos que no

se pueden manejar con herramientas y tecnologías de almacenamiento de datos
tradicionales. El Big Data se caracteriza por su gran volumen, variedad, velocidad y
veracidad. El objetivo principal de Big Data es extraer información valiosa de los datos
a gran escala para mejorar la eficiencia operativa y la toma de decisiones empresariales.

Minería de datos: Es el proceso de descubrir patrones, tendencias y relaciones en los

datos mediante el uso de algoritmos y técnicas de aprendizaje automático. La minería de
datos se utiliza para extraer información útil y conocimientos valiosos de grandes
conjuntos de datos para mejorar la eficiencia operativa y la toma de decisiones
empresariales.

Data Mart: Es una base de datos departamental que se utiliza para almacenar datos
específicos de un área de la empresa, como ventas, marketing o finanzas. A diferencia
de un Data Warehouse, un Data Mart es más pequeño y está diseñado para satisfacer las
necesidades de información específicas de un área de la empresa.´

En resumen, mientras que Data Warehouse y Data Mart se centran en el

almacenamiento y la organización de datos para fines específicos, Big Data y Minería
de datos se centran en el análisis y la extracción de información valiosa de grandes
conjuntos de datos.